研究探讨应用三目标进化算法解决具有随机和动态约束的背包问题，通过将体重和背包容量建模为随机和动态组成部分，与二目标公式相比，三目标公式在应对动态背包问题中具有明显优势。
Apr, 2024
使用滑动窗口方法改进了三目标问题求解，提高了运行效率并保持了相同的近似保证。
Jun, 2024
我们首次引入了单目标算法，其可成功用于不同类别的约束子模拟最大化问题，并通过增加搜索空间的可行区域来处理这些问题。
本文研究了确定性设定中的概率约束子模优化问题，提出了一种新的分析方法，并提供了贪心算法来近似求解最优解。在实验中，演示了算法在几个最大覆盖问题和影响力最大化问题上的有效性。
Sep, 2023
在多目标优化中，考虑到平衡多个目标之间的权衡，解决方案在最优权衡方面被称为帕累托最优；我们研究了解决帕累托集约束优化问题的本地方法，这是一个具有挑战性的问题，因为约束集不仅是隐式定义的，而且通常在目标函数是非凸非光滑的情况下。
Aug, 2023
研究使用机会约束的子模型优化问题，探讨贪心算法在应用对 Chernoff 边界进行约束违规估计的替代函数后，能高效地获得高品质解，同时在社交网络问题中也能保持有效性。
Nov, 2019
本研究提出了一种基于贝叶斯优化的 PAC-MOO 方法来解决在大部分输入空间不可行时（即违反约束条件），由实践者指定目标函数的约束多目标优化问题，特别地，在电路和电力系统设计等工程设计问题中。该方法能够学习输出目标和约束的代理模型，并选择在每次迭代中评估最大程度能获得有关最佳受约束 Pareto 前沿的信息且同时考虑目标偏好的候选输入，实验结果表明 PAC-MOO 比现有方法更加有效。
Mar, 2023
提供一个包括 16 个实际边界约束的多目标优化问题的集合，其中有 4 个混合整数优化问题，它们可以用来评估进化多目标优化算法的性能，并提供了 Java、C 和 Matlab 的源代码，同时提供了 8 个约束多目标实际问题。
Sep, 2020
本文介绍了一种滑动窗口加速技术，通过使用这种技术减少算法中的种群规模，达到与之前的方法相同的理论性能保证，同时显著提高解决一系列最大覆盖问题实例和约束设置的结果。
May, 2023
本文对 Pareto 优化方法做了分类比较，并提出了一种称为级联加权平均的扩展加权平均方法以应对实际应用中多种多目标优化场景。
Mar, 2022